primero instalamos los paquetes
library(dplyr)
##
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
##
## filter, lag
## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, union
library(descriptr)
library(ggplot2)
library(datos)
library(fdth)
##
## Attaching package: 'fdth'
## The following objects are masked from 'package:stats':
##
## sd, var
luego sacamos una muestra y sembramos una semilla
ola <- na.omit(datos_credito)
set.seed(2210)
muestra_credito <- ola[sample(nrow(ola),size=80),1:14]
sacamos tablas de estado civil y vivienda relacionadas y luego como
data frame
estcivil.vivienda <- table(muestra_credito$EstadoCivil, muestra_credito$Vivienda)
estcivil.vivienda
##
## ignorar otra propietario padres privado alquila
## divorciado 0 0 0 0 0 2
## casado 1 5 33 4 1 12
## separado 0 0 0 0 0 1
## soltero 0 2 1 13 1 3
## viudo 0 0 1 0 0 0
estadocivil <- table(muestra_credito$EstadoCivil)
estadocivil
##
## divorciado casado separado soltero viudo
## 2 56 1 20 1
vivienda <- table(muestra_credito$Vivienda)
vivienda
##
## ignorar otra propietario padres privado alquila
## 1 7 35 17 2 18
estadocivil1 <- as.data.frame(estadocivil)
estadocivil1
## Var1 Freq
## 1 divorciado 2
## 2 casado 56
## 3 separado 1
## 4 soltero 20
## 5 viudo 1
vivienda1 <- as.data.frame(vivienda)
vivienda1
## Var1 Freq
## 1 ignorar 1
## 2 otra 7
## 3 propietario 35
## 4 padres 17
## 5 privado 2
## 6 alquila 18
diagrama de barras de estado civil
estadocivil2 <- rename(estadocivil1, estadoC=Var1, Frecuencia=Freq)
barras_estado <- ggplot(estadocivil2, aes(x = estadoC, y = Frecuencia, fill=estadoC)) +
geom_bar(stat = 'identity') +
geom_text(aes(label = estadoC), vjust = -1, colour = "black") +
ylim(c(0,75))
barras_estado
Asignamos colores y hacemos grafico de torta
colores <- hcl.colors(length(estadocivil))
colores
## [1] "#4B0055" "#00588B" "#009B95" "#53CC67" "#FDE333"
torta1 <- pie(estadocivil,main="Estado Civil",radius = 1, col = colores, labels = c(
"Divorciado","casado","Separado","soltero","viudo"))
finalmente hacemos el grafico de donas
hsize <- 2
df <- estadocivil1 %>%
mutate(x = hsize)
ggplot(df, aes(x = hsize, y = Freq, fill= Var1)) +
geom_col(color= "black") +
geom_label(aes(label = Freq),
position = position_stack(vjust = 0.5),
show.legend = FALSE) +
coord_polar(theta = "y") +
scale_fill_brewer(palette = "GnBu") +
xlim(c(0.2, hsize + 0.5))+
theme(panel.background = element_rect(fill = "pink"))+
guides(fill = guide_legend(title = "Estado Civil"))
Hacemos el mismo proceso anterior con vivienda
vivienda2 <- rename(vivienda1, Vivienda=Var1, Frecuencia=Freq)
barras_vivienda <- ggplot(vivienda2, aes(x = Vivienda, y = Frecuencia, fill=Vivienda)) +
geom_bar(stat = 'identity') +
geom_text(aes(label = Vivienda), vjust = -1, colour = "black") +
ylim(c(0,50))
barras_vivienda
colores <- hcl.colors(length(vivienda))
torta1 <- pie(vivienda,main="Vivienda",radius = 1, col = colores, labels = c(
"Ignorar","Otra","Propietario","Padres","Privado","Alquila"))
hsize <- 2
df2 <- vivienda1 %>%
mutate(x = hsize)
ggplot(df2, aes(x = hsize, y = Freq, fill= Var1)) +
geom_col(color= "black") +
geom_label(aes(label = Freq),
position = position_stack(vjust = 0.5),
show.legend = FALSE) +
coord_polar(theta = "y") +
scale_fill_brewer(palette = "GnBu") +
xlim(c(0.2, hsize + 0.5))+
theme(panel.background = element_rect(fill = "pink"))+
guides(fill = guide_legend(title = "Vivienda"))
Creamos una tabla relacionando los ingresos con el trabajo
x <-muestra_credito$Ingresos
y <- muestra_credito$Trabajo
df3 <- data.frame(x = x, y = y)
df3
## x y
## 1 80 fijo
## 2 125 tiempo parcial
## 3 138 fijo
## 4 118 fijo
## 5 52 fijo
## 6 178 fijo
## 7 98 fijo
## 8 227 fijo
## 9 49 tiempo parcial
## 10 207 fijo
## 11 300 freelance
## 12 100 fijo
## 13 95 fijo
## 14 67 fijo
## 15 178 fijo
## 16 170 fijo
## 17 85 fijo
## 18 137 fijo
## 19 205 fijo
## 20 191 freelance
## 21 250 freelance
## 22 245 fijo
## 23 62 fijo
## 24 222 otros
## 25 224 fijo
## 26 82 tiempo parcial
## 27 128 freelance
## 28 101 fijo
## 29 150 fijo
## 30 230 fijo
## 31 117 fijo
## 32 185 fijo
## 33 150 fijo
## 34 130 fijo
## 35 169 fijo
## 36 110 fijo
## 37 126 tiempo parcial
## 38 160 freelance
## 39 100 fijo
## 40 112 fijo
## 41 90 tiempo parcial
## 42 145 fijo
## 43 120 fijo
## 44 52 otros
## 45 187 fijo
## 46 142 fijo
## 47 400 fijo
## 48 129 freelance
## 49 45 tiempo parcial
## 50 137 otros
## 51 100 fijo
## 52 110 freelance
## 53 65 fijo
## 54 119 fijo
## 55 50 freelance
## 56 212 freelance
## 57 245 freelance
## 58 202 fijo
## 59 77 fijo
## 60 70 fijo
## 61 170 freelance
## 62 125 fijo
## 63 128 fijo
## 64 170 freelance
## 65 65 fijo
## 66 60 fijo
## 67 110 fijo
## 68 160 fijo
## 69 42 freelance
## 70 150 fijo
## 71 91 freelance
## 72 61 freelance
## 73 160 fijo
## 74 250 fijo
## 75 131 tiempo parcial
## 76 139 fijo
## 77 178 freelance
## 78 200 fijo
## 79 80 fijo
## 80 120 fijo
posteriormente lo graficamos en un grafico de caja
p <- ggplot(df3, aes(x = x, y = y)) + labs(x = "Ingresos", y = "Trabajo") +
theme(axis.title.x = element_text(size = 15,
color = "blue",
face = "bold"),
axis.title.y = element_text(size = 15,
color = "red",
face = "italic"))+
stat_boxplot(geom = "errorbar",
width = 5) +
geom_boxplot(fill = "dodgerblue1",
colour = "black",
alpha = 5,
outlier.colour = "tomato2")
p
creamos una tabla de frecuencias para precio y creamos su grafica de
histograma y poligonos
tabla1 <- fdt(muestra_credito$Precio)
plot(tabla1, col="cadetblue",type = "rfh", main = "Histograma del precio")
grafico_poligono <- plot(tabla1, col="cadetblue",type = "fp", main = "grafico de poligono del precio")
Hacemos un analisis cuantitativo completo para 3 variables numéricas
resumidas en una sola tabla.
empezando por gastos
gastos <- muestra_credito$Gastos
promedio <- sum(gastos)/length(gastos)
gast.ord <- sort(x=gastos,decreasing = FALSE)
mediana <- median(gastos)
moda <- ds_mode(gastos)
rango <- range(gastos,na.rm = FALSE)
varianza_gastos <- round(var(gastos),5)
desvest_gastos <- round(sd(gastos),5)
coefvar_gastos <- round(ds_cvar(gastos),3)
cuartil1_gastos <- quantile(x = gastos,probs = c(0.25,0.5,0.75,1),type = 6)
cuartil1_gastos <- quantile(x = gastos,probs = c(0.25),type = 6)
cuartil2_gastos <- quantile(x = gastos,probs = c(0.5),type = 6)
cuartil3_gastos <- quantile(x = gastos,probs = c(0.75),type = 6)
cuartil4_gastos <- quantile(x = gastos,probs = c(1),type = 6)
tabla.gastos<- matrix(c(53.45,45,35,95,392.83291,19.82001,37.081,35,45,60,130),nrow = 11)
rownames(tabla.gastos) <- c("Promedio","Mediana","Moda","rango(35-130)","varianza",
"desviacion estandar","coeficiente de variacion",
"cuartil 1","cuartil 2", "cuartil 3", "cuartil 4")
colnames(tabla.gastos) <- c("Gastos")
tabla.gastos <- data.frame(tabla.gastos)
tabla.gastos
## Gastos
## Promedio 53.45000
## Mediana 45.00000
## Moda 35.00000
## rango(35-130) 95.00000
## varianza 392.83291
## desviacion estandar 19.82001
## coeficiente de variacion 37.08100
## cuartil 1 35.00000
## cuartil 2 45.00000
## cuartil 3 60.00000
## cuartil 4 130.00000
seguimos con ingresos
ingresos <- muestra_credito$Ingresos
promedioi <- sum(ingresos)/length(ingresos)
medianai <- median(ingresos)
modai <- ds_mode(ingresos)
rangoi <- range(ingresos,na.rm = FALSE)
varianza_ingresos <- round(var(ingresos),5)
desvest_ingresos <- round(sd(ingresos),5)
coefvar_ingresos <- round(ds_cvar(ingresos),3)
cuartil1_ingresos <- quantile(x = ingresos,probs = c(0.25,0.5,0.75,1),type = 6)
cuartil1_ingresos <- quantile(x = ingresos,probs = c(0.25),type = 6)
cuartil2_ingresos <- quantile(x = ingresos,probs = c(0.5),type = 6)
cuartil3_ingresos <- quantile(x = ingresos,probs = c(0.75),type = 6)
cuartil4_ingresos <- quantile(x = ingresos,probs = c(1),type = 6)
tabla.ingresos<- matrix(c(170.3375,143,90,462,8798.22642,93.79886,55.066,94.5,143,230,500),nrow = 11)
rownames(tabla.ingresos) <- c("Promedio","Mediana","Moda","rango(38-500)","varianza",
"desviacion estandar","coeficiente de variacion",
"cuartil 1","cuartil 2", "cuartil 3", "cuartil 4")
colnames(tabla.ingresos) <- c("ingresos")
tabla.ingresos <- data.frame(tabla.ingresos)
tabla.ingresos
## ingresos
## Promedio 170.33750
## Mediana 143.00000
## Moda 90.00000
## rango(38-500) 462.00000
## varianza 8798.22642
## desviacion estandar 93.79886
## coeficiente de variacion 55.06600
## cuartil 1 94.50000
## cuartil 2 143.00000
## cuartil 3 230.00000
## cuartil 4 500.00000
y finalmente con cantidad
cantidad <- muestra_credito$Cantidad
promedioc <- sum(cantidad)/length(cantidad)
medianai <- median(cantidad)
modac <- ds_mode(cantidad)
rangoc <- range(cantidad,na.rm = FALSE)
varianza_cantidad <- round(var(cantidad),5)
desvest_cantidad <- round(sd(cantidad),5)
coefvar_cantidad <- round(ds_cvar(cantidad),3)
cuartil1_cantidad <- quantile(x = cantidad,probs = c(0.25,0.5,0.75,1),type = 6)
cuartil1_cantidad <- quantile(x = cantidad,probs = c(0.25),type = 6)
cuartil2_cantidad <- quantile(x = cantidad,probs = c(0.5),type = 6)
cuartil3_cantidad <- quantile(x = cantidad,probs = c(0.75),type = 6)
cuartil4_cantidad <- quantile(x = cantidad,probs = c(1),type = 6)
tabla.cantidad<- matrix(c(1045.7125,1000,1300,4300,391269.44794,625.51535,59.817,625,1000,1300,4500),nrow = 11)
rownames(tabla.cantidad) <- c("Promedio","Mediana","Moda","rango(200-4500)","varianza",
"desviacion estandar","coeficiente de variacion",
"cuartil 1","cuartil 2", "cuartil 3", "cuartil 4")
colnames(tabla.cantidad) <- c("cantidad")
tabla.cantidad <- data.frame(tabla.cantidad)
tabla.cantidad
## cantidad
## Promedio 1045.7125
## Mediana 1000.0000
## Moda 1300.0000
## rango(200-4500) 4300.0000
## varianza 391269.4479
## desviacion estandar 625.5154
## coeficiente de variacion 59.8170
## cuartil 1 625.0000
## cuartil 2 1000.0000
## cuartil 3 1300.0000
## cuartil 4 4500.0000